Машинное обучение: различия между версиями
Материал из Поле цифровой дидактики
Patarakin (обсуждение | вклад) Нет описания правки |
Patarakin (обсуждение | вклад) Нет описания правки |
||
| Строка 7: | Строка 7: | ||
Одним из вариантов моделей машинного обучения являются нейронные сети, которые состоят из нейронов и синапсов (связей между нейронами). [[Нейронная сеть]] | Одним из вариантов моделей машинного обучения являются нейронные сети, которые состоят из нейронов и синапсов (связей между нейронами). [[Нейронная сеть]] | ||
=== | |||
Обучение производится на многочисленных примерах размеченных данных, то есть на базе изображений в каждом из которых отмечен правильный результат. | === Типы машиннного обучения === | ||
==== Контролируемое обучение ==== | |||
Обучение производится на многочисленных примерах размеченных данных, то есть на базе изображений в каждом из которых отмечен правильный результат. | |||
==== Неконтролируемое обучение (без учителя) ==== | |||
К данному типу обучения относятся алгоритмы, которые обучаются на основе набора данных без каких-либо меток. В качестве примера неконтролируемого обучения можно привести кластерный анализ, где стоит задача разделить объекты на классы по неизвестному признаку. В отличие от классификации у нас нет заранее известных классов. Алгоритм сам должен найти похожие объекты и объединить их в кластеры на основе некоторой заданной функции близости. | |||
Версия от 18:15, 18 декабря 2022
| Описание | Способность программы учиться, не будучи явно запрограммированной. Машинное обучение - предполагает наличие общих алгоритмов, которые могут выявить полезную информацию об исследуемом наборе данных без необходимости писать специальный код для решения этой задачи. Что в машинном обучении способ выполнения задачи автоматически выводится из примеров |
|---|---|
| Область знаний | Информатика, Педагогика |
| Авторы | Самуэль, Минский, Пейперт |
| Поясняющее видео | |
| Близкие понятия | Персептрон, Искусственный интеллект, Генетический алгоритм |
| Среды и средства для освоения понятия |
Одним из вариантов моделей машинного обучения являются нейронные сети, которые состоят из нейронов и синапсов (связей между нейронами). Нейронная сеть
Типы машиннного обучения
Контролируемое обучение
Обучение производится на многочисленных примерах размеченных данных, то есть на базе изображений в каждом из которых отмечен правильный результат.
Неконтролируемое обучение (без учителя)
К данному типу обучения относятся алгоритмы, которые обучаются на основе набора данных без каких-либо меток. В качестве примера неконтролируемого обучения можно привести кластерный анализ, где стоит задача разделить объекты на классы по неизвестному признаку. В отличие от классификации у нас нет заранее известных классов. Алгоритм сам должен найти похожие объекты и объединить их в кластеры на основе некоторой заданной функции близости.
